overfit同步小助手
文章同步
【手把手带你学JavaSE】String类(下篇)
上篇我们已经学习了String类的一些知识，接下来我们接着学习！
微信小程序——修改field输入框内文字颜色和背景图透明度调整
用-webkit-text-fill-color改变输入框的字体颜色
React-路由 react-router-dom
React 路由 react-router-dom BrowserRouter Routes Route Link useNavigate useSearchParams useParams useRoutes 声明式导航 编程式导航 路由传参 默认路由 路由嵌套
Python_字符串（字符串拼接：join() 与 +拼接符两种方法效率对比）
#字符串拼接_join()和+的效率计算import timetime1 = time.time()a = ''for i in range(1000000): a += 'ypw'#依次新加字符串'ypw'time2 = time.time()print('运算时长：'+str(time2-
Flask框架——数据库操作命令（增删改查）
上篇文章我们学习了Flask框架——数据库配置及迁移同步，这篇文章我们学习Flask框架——数据库操作命令（增删改查）。首先我们创建一个Flask项目，其目录如下所示编写好settings.py配置文件后，我们就开始编写导入配置、映射对象和数据模型类等代码，由于代码比较少，方便我们查看和使用，我就把
C#构建Web服务项目实战（一）
本文通过VS2017，利用C#语言构建一个Web应用项目（旧的ASP.NETWeb应用，非微软最新的.NETCore），并演示了如何利用Windows的IIS服务发布项目（网站），以及在发布项目（允许用户远程访问）和项目（本地）调试之间遇到的一些问题及解决方案。
转载:什么时候可以不用实例化对象就可以调用类中成员函数
http://blog.csdn.net/dwb1015/article/details/32933349对于一个类A，对于这个定义((A*)0)或者 A *p = NULL 都可以调用类中的那些成员函数。 第一种情况：非静态成员函数没有使用类的非静态数据成员，调用的其他非静态成员函数也不能使用类的
SpringBoot项目之前后端界面搭建
-spring-session将session借助于第三方存储（redis/mongodb等等），默认redis--># 此属性控制池中连接的最长生命周期，值0表示无限生命周期，默认1800000即30分钟。--commons-pool2 对象池依赖 2.0版本的lettuce需要-->-- myb
C盘满了如何处理？如何转到其他盘？
用久了，安装程序总有些程序安装到了C盘，C盘容量告急，甚至标红了，有些已经安装好的程序，还不能直接复制到其他的盘，否则运行不了，从新卸载再安装到其他的盘也麻烦。我今天来教你们一个非常简单的方法，可以完美解决，用的软件是一款开源免费的软件：freemove。虽然界面是英语的，但我们用的只有三个按键，下
SpringBoot自动配置原理
Spring Boot通过@EnableAutoConfiguration注解开启自动配置，对jar包下的spring.factories文件进行扫描，这个文件中包含了可以进行自动配置的类，当满足@Condition注解指定的条件时，便在依赖的支持下进行实例化，注册到Spring容器中。通俗的来讲，
SpringBoot框架理解
文章目录SpringBoot框架1 SpringBoot入门1.2 什么是SpringBoot1 官网的解释2 我的理解3 SpringBoot的优缺点4 构建项目1 使用Spring 官方提供页面构建2 使用IDEA构建3 pom包介绍1.3 SpringBoot核心1 约定优于配置2 Star
Python flask项目修改访问ip及端口号无效的解决办法
Python flask项目修改访问ip及端口号无效的解决办法
【计算机视觉】目标检测—yolov5自定义模型的训练以及加载
yolov5如何自定义训练模型？如何加载模型并进行解读
HuggingFace——Accelerate的使用
HuggingFace----Accelerate的使用
目标检测算法——YOLOv5/YOLOv7改进之结合特征提取网络RFBNet（涨点明显）
计算机视觉——致力于目标检测领域科研Tricks改进与推荐 | 主要包括Backbone、Neck、Head、普通注意力机制、自注意力机制Transformer，各种IoU Loss损失函数、NMS及各类激活函数替换、轻量化网络改进、数据增强策略以及其他视觉顶会创新点改进等等。
paddlepaddle模型的保存和加载
主要介绍了动态图和静态图模型的保存以及模型的加载预测
深度学习：可视化方法（模型可视化，训练过程可视化，特征提取可视化）
深度学习可视化，pytorch（tensorboard/netron）
【Unet系列】（三）Unet++网络
Unet++主要是探索encoder和decoder需要多大的问题，以此为基础，提出了融合不同尺寸Unet结构的网络。创新点就是把不同尺寸的Uent结构融入到了一个网络里。
Instruction Tuning（FLAN、instructGPT、chatGPT）
首页最近被chatGPT刷屏，但翔二博主左看右看发现很多想法似乎都是一脉相通的，于是连夜从存档中找了一些文章尝试理一理它的理论路线。博主个人理解，它以更为embodied AI形式的指令作为输入，以训练/微调大规模的信息模型，并基于强化学习与真实世界做持续交互，已经很接近此处所提到的“数字超人”了。